对于卷积神经网络LeNet-5，往往要进行多次卷积、降采样的处理。下列说法正确的是
A: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目相同
B: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目不相同
C: 经过卷积处理，生成的特征图（feature map）的数目可能和处理前的图像的数目相同，也有可能不相同
D: 经过降采样处理，生成的特征图（feature map）的数目通常和处理前的图像的数目相同
A: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目相同
B: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目不相同
C: 经过卷积处理，生成的特征图（feature map）的数目可能和处理前的图像的数目相同，也有可能不相同
D: 经过降采样处理，生成的特征图（feature map）的数目通常和处理前的图像的数目相同
举一反三
- 深度学习卷积神经网络中的卷积处理是为了减少神经元的数目
- 中国大学MOOC:对于卷积神经网络LeNet-5，往往要进行多次卷积、降采样的处理。下列说法正确的是
- 在机器学习和图像处理领域，卷积的主要功能是在一个图像（或某种特征）上滑动一个卷积核（即滤波器），通过卷积操作得到一组新的特征。
- 关于采用卷积神经网络进行图像分类和文本分类的比较，下列说法错误的是 A: 卷积神经网络只能用于图像分类，不能用于文本分类，没有相关文献 B: 使用卷积神经网络进行句子分类，一般将句子中每个词表示为固定长度的向量，这样句子就可以表示为矩阵，从而使得在结构上与图像类似，并在后续进行卷积等处理 C: 图像处理应用中，卷积核处理的局部区域为图像的一小块区域，而在文本分类时卷积核处理的局部区域通常为相邻的上下几行（几个词）。因此卷积核的宽度和输入矩阵的宽度相等 D: 使用卷积神经网络进行句子分类或者文档分类，卷积提取的特征与采用n-gram模式提取的特征类似
- 卷积层的作用是提取图像的二维特征，通过不同的算子（不同的卷积层）处理，可以检测图像不同边缘